异构众核处理器自适应任务调度理论与方法

Many-core processor is gradually become the development trend of the future high-performance processors with its high-performance, low power consumption. However, how to make this hardware capability into the improvement of high-performance parallel applications performance is one of the key challenges in many-core age. This work first focuses on the many-core processor resource' large-scale, heterogeneous and reliability, and proposes an elastically stretchable resources logic virtual grouping theory and mesh communication network topology dynamically reconfigurable technology to dynamical collaborative manage many-core resources and reconstruct virtual machine. Then, we study the OpenCL parallel programming language applications and establish the many-core processor virtual machine task DAG hypergraph based on the task precedence constraints, the amount of computation and the amount of data access. Third, we propose hierarchical load balancing scheduling theory to the the individual needs of the application. Finally, the adaptive dynamical task scheduling is proposed based on task DAG hypergraph. In order to get high performance, we stand the online task execution feedback information as a dispatch point and consider the task computation, data access and mesh network communication contention. The project implementation will effectively improve the applied performance of many-core and establish solid theoretical and technical foundation of its healthy development and application.

众核处理器以其高性能、低功耗等优势正逐步成为未来高性能处理器发展趋势, 然而如何使这种硬件能力转化为高效的高性能并行应用能力, 是众核时代面临的严峻挑战之一. 课题组针对众核处理器的大规模性与异构性, 以系统资源可靠性分析为基础, 提出可弹性伸缩的资源逻辑虚拟分组理论与mesh通信网络拓扑动态重构技术, 实现众核资源动态协同管理与虚拟机重构. 以OpenCL并行编程环境开发的应用程序为研究对象, 依据任务优先约束、计算量和数据存取量, 面向众核处理器虚拟机建立任务DAG超图. 在此基础上, 以资源虚拟分组为计算节点, 提出面向应用程序个性化需求的分层负载均衡调度理论. 最后, 在综合考虑任务计算量、数据存取量与mesh通信网络竞争基础上, 对基于DAG超图的任务进自适应调度. 课题研究成果将丰富众核平台下资源管理与任务调度方面的基础理论, 为提高众核处理器并行处理能力提供一种可行方法.

异构众核处理系统以其高性能、低功耗等优势正逐步成为未来高性能计算发展趋势。然而如何使这种硬件能力转化为高效的高性能并行应用能力, 是其所面临的严峻挑战之一。项目组首先依据系统配置、日志文件和统计预测技术，利用Weibull概率分布理论建立处理核与通信网络链路可靠性R(t)和失败率H(t)模型，采用复制策略提出可靠性驱动的任务调度算法REFTD，该算法能有效提高应用程序执行可靠性。其次，依据应用程序规模与个性化需求，面向异构众核处理系统可用资源，采用即时虚拟化技术构建可弹性伸缩的资源虚拟逻辑分组，在此基础上构建异构资源协同服务虚拟机，以实现计算平台资源可弹性伸缩的动态虚拟化。第三，针对众核处理器由于共享二级或三级高速缓存Cache而导致的并发性能降低问题，从众核处理器资源管理与任务调度角度提出共享高速缓存Cache驱动的任务调度方法，较之现有面向众核处理器的任务调度方法相比具有调度长度和平均响应时间短等性能优势。最后，针对高性能应用程序任务计算量具有随机性特征，证明基于DAG模型随机任务调度长度的下限是以任务期望构成的确定型任务调度长度。由于实际并行任务计算量和任务间通信量大部分服从正态分布，因而利用Clark方程计算任务计算量服从正态分布的串行结构和并行结构的期望和方差，从而实现并行任务最大完成时间近似计算，以此为基础提出随机sb_levels的计算算法和随机动态级调度算法SDLS。该算法性能明显优于现有SHEFT、Rob-HEFT、HEFT算法。项目研究成果大大丰富了异构众核平台下资源管理与任务调度方面的基础理论, 为提高异构众核系统并行处理能力提供了一种可行方法。